為了研究熱泵系統(tǒng)制冷劑泄漏識別的數(shù)據(jù)挖掘理論方法和實(shí)驗(yàn)驗(yàn)證,首先建立空氣源熱泵系統(tǒng)制冷劑泄漏實(shí)驗(yàn)臺,進(jìn)行熱泵系統(tǒng)正常工況、干擾工況、泄漏工況的實(shí)驗(yàn)參數(shù)測試;其次,采用主成分分析法對測試數(shù)據(jù)進(jìn)行特征提取處理,采用支持向量機(jī)對數(shù)據(jù)進(jìn)行分類識別,建立了用于熱泵系統(tǒng)的制冷劑泄漏識別的主成分分析-支持向量機(jī)模型,在二分類和多分類模式下驗(yàn)證了模型的性能,并研究了泄漏速率和不同故障工況對模型的影響。采用RefliefF特征選擇算法對原始特征參數(shù)進(jìn)行篩選,簡化了識別模型的特征參數(shù)。研究結(jié)果表明:對于空氣源熱泵熱水系統(tǒng),PCA-SVM泄漏識別模型在多種驗(yàn)證集中對泄漏工況的識別準(zhǔn)確度達(dá)100%,緩慢泄漏的診斷識別性能弱于快速泄漏,同一模型在不同故障診斷識別中性能不同,對系統(tǒng)運(yùn)行影響輕微的故障診斷識別性能弱于其他故障。RefliefF特征選擇方法將原始41個(gè)系統(tǒng)特征參數(shù)精簡至10個(gè)特征參數(shù),參數(shù)篩選優(yōu)化后的泄漏識別模型識別精度也維持在較高水平,優(yōu)化的泄漏識別模型更利于實(shí)際應(yīng)用。 

【文章來源】：化工學(xué)報(bào). 2020,71(07)北大核心

【文章頁數(shù)】：14 頁

【部分圖文】：

泄漏實(shí)驗(yàn)系統(tǒng)及測點(diǎn)布置示意圖

系統(tǒng)開機(jī)穩(wěn)定后，隨機(jī)選取不同時(shí)間段的數(shù)據(jù)作為正常工況數(shù)據(jù)，穩(wěn)定后引入泄漏和干擾工況，測得的數(shù)據(jù)為故障工況數(shù)據(jù)。實(shí)驗(yàn)獲取正常工況11組，干擾工況18組（調(diào)節(jié)冷凝器水流量3組，遮擋蒸發(fā)器3組，調(diào)松熱力膨脹閥3組，調(diào)緊熱力膨脹閥3組，25℃水溫3組，35℃水溫3組），泄漏工況12組（每個(gè)泄漏點(diǎn)各3組）。實(shí)驗(yàn)測得22個(gè)溫度、8個(gè)壓力以及1個(gè)壓縮機(jī)耗功，根據(jù)制冷循環(huán)理論計(jì)算了系統(tǒng)過熱度、過冷度等10個(gè)計(jì)算量。各組工況數(shù)據(jù)經(jīng)過系統(tǒng)穩(wěn)定運(yùn)行態(tài)篩選、數(shù)據(jù)穩(wěn)態(tài)檢測后保留了大小各異的數(shù)據(jù)，所有正常、泄漏以及干擾工況篩選匯集為原始數(shù)據(jù)集作為熱泵系統(tǒng)泄漏識別原始特征數(shù)據(jù)，大小為41×3213。41個(gè)特征變量具體名稱及其符號含義見表3。1.3 不同泄漏速率的泄漏工況數(shù)據(jù)劃分

主成分分析（principal component analysis,PCA）是一種基于多元統(tǒng)計(jì)回歸的特征提取方法。它可以對多個(gè)變量參數(shù)構(gòu)成的數(shù)據(jù)特征空間進(jìn)行線性變換，將樣本數(shù)據(jù)轉(zhuǎn)化至新的特征空間內(nèi)，新特征空間的基向量（主成分）是包含原始變量參數(shù)絕大部分內(nèi)容的綜合指標(biāo)。經(jīng)過主成分分析后，具有不同程度相關(guān)性的原始變量參數(shù)轉(zhuǎn)化為相互無關(guān)的主成分，極大消除了變量參數(shù)之間相關(guān)性的影響，同時(shí)有效減少了數(shù)據(jù)特征空間的維數(shù)。主成分分析基本流程包括原始矩陣標(biāo)準(zhǔn)化、求解相關(guān)系數(shù)矩陣、求解特征值及特征向量以及主成分提取四個(gè)部分，具體計(jì)算如下。(1）原始矩陣標(biāo)準(zhǔn)化假設(shè)原始泄漏特征訓(xùn)練集為Xa×b,b個(gè)特征量，a個(gè)樣本，X=(X1,X2,X3,…,Xb)T,采用式（1）對原始矩陣進(jìn)行標(biāo)準(zhǔn)化變換。

【參考文獻(xiàn)】：
期刊論文
[1]基于長短期記憶神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)中心空調(diào)系統(tǒng)傳感器故障診斷[J]. 王路瑤,吳斌,杜志敏,晉欣橋.  化工學(xué)報(bào). 2018(S2)
[2]基于MSPCA-KECA的冷水機(jī)組故障監(jiān)測及診斷[J]. 齊詠生,張海利,王林,高學(xué)金,陸晨曦.  化工學(xué)報(bào). 2017(04)
[3]基于主元分析-概率神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷[J]. 梁晴晴,韓華,崔曉鈺,谷波.  化工學(xué)報(bào). 2016(03)
[4]基于主元分析與支持向量機(jī)的制冷系統(tǒng)故障診斷方法[J]. 韓華,谷波,任能.  上海交通大學(xué)學(xué)報(bào). 2011(09)
[5]基于核Fisher判別分析方法的非線性統(tǒng)計(jì)過程監(jiān)控與故障診斷[J]. 趙旭,閻威武,邵惠鶴.  化工學(xué)報(bào). 2007(04)

博士論文
[1]基于順序集成方法的制冷系統(tǒng)故障檢測與診斷研究[D]. 韓華.上海交通大學(xué) 2012
[2]制冷系統(tǒng)故障檢測、診斷及預(yù)測研究[D]. 任能.上海交通大學(xué) 2008

碩士論文
[1]汽車空調(diào)性能衰減研究[D]. 郭軍峰.重慶大學(xué) 2012
[2]基于多變量統(tǒng)計(jì)分析的制冷系統(tǒng)故障檢測與診斷[D]. 洪迎春.上海交通大學(xué) 2012



本文編號：3011804